Gesellschaft für Informatik e.V.

Lecture Notes in Informatics


INFORMATIK 2012 P-208, 833-842 (2012).

Gesellschaft für Informatik, Bonn
2012


Copyright © Gesellschaft für Informatik, Bonn

Contents

Fingerprint des Fahrers zur Adaption von Assistenzsystemen

Olivier Pion , Roman Henze and Ferit Küçükay

Abstract


Die genaue und zuverlässige Kenntnis spezifischer Fahrereigenschaften, wie sein Fahrstil, sein Steuer- und Regelverhalten, sein Leistungszustand und sein Alter, birgt ein hohes Potenzial in sich, Fahrzeugsysteme wie z.B. Assistenzsysteme an den Fahrer zu adaptieren und damit den Kundennutzen (Sicherheitsund Komfortgewinn) und die Kundenzufriedenheit zu optimieren. Aus diesem Grunde werden seit Jahrzehnten Ansätze verfolgt, das Fahrerverhalten zu identifizieren, zu objektivieren und in Systemauslegungen zu berücksichtigen. Am Institut für Fahrzeugtechnik (IfF) wurde eine Methode entwickelt, die es ermöglicht, einen persönlichen Fingerprint des Fahrers zu identifizieren. Die Analyse des individuellen Fahrerverhaltens durch die Ermittlung von definierten Kennparametern aus seinem Längs- und Querregelverhalten, seinem Lenk- und Spurhalteverhalten und seinem Umgang mit aktiven Assistenzsystemen bilden die Basis zur Erstellung des Fingerprints und der Fahrerklassifizierung. Die Klassifizierung erfolgt durch die Zuordnung zu Gruppen, welche bestimmte Fahrereigenschaften vereinigen. Beispiele hierzu sind der Fahrstil oder das Fahreralter. Ist der Fingerprint eines Fahrers bekannt, können über identifizierte Abweichungen und Änderungen bestimmter Kennparameter Rückschlüsse auf seine Leistungsfähigkeit gezogen werden. Der Fingerprint und die damit verbundene Fahrerklassifizierung und -leistungsidentifikation bilden die Grundlage für die Adaption von Assistenzsystemen. Im Rahmen des Beitrags werden die Methodik der Fingerprintgenerierung und ihre Anwendung im Fahrzeug mit einem adaptiven Querführungsassistenten vorgestellt. Nach der Erläuterung der Datenbasis werden hierbei sowohl die Ansätze der Analyse in Form von Fahrermodellierung und Kennparameterbildung, als auch die Vorgehensweise bei der Klassifizierung der Fahrer inklusive der Gruppendefinition und -identifikation dargestellt. Am Beispiel des Querführungsassistenten, dessen Funktion vom reinen Spurverlassenswarner bis hin zur (teil-) autonomen Spurhaltung reicht, wird die Adaption an den spezifischen Fahrer mit Hilfe des Fingerprints vorgestellt. 833 link to page 0 Auf dem Weg zum unfallfreien Fahren werden zunehmend Fahrerassistenzsysteme entwickelt, die eine weiterführende Unterstützung des Fahrers bei der Fahrzeugführung anbieten. Hierzu zählen auch Querführungsassistenzsysteme, die den Fahrer beim ungewollten Verlassen seiner Fahrspur je nach Systemausprägung entweder akustisch, haptisch oder intervenierend bei seiner Fahraufgabe unterstützen. Eine hohe Wirksamkeit dieser Systeme, auch in Bezug auf die Akzeptanz durch den Fahrer, kann erreicht werden, indem ihre Funktionalitäten an die individuellen Fahrereigenschaften angepasst werden. Eine Veränderung der Systemeinstellungen wird heute zumeist durch eine vom Fahrer über entsprechende Tasten durchzuführende Selektion vorgesehen, beispielsweise bei Assistenzsystemen durch die Auswahl charakteristischer Stellparameter wie Zeitlücken oder Warnschwellen. Mit einer individuellen Adaption wird es möglich, dem spezifischen Bedarf und Wunsch des Fahrers nachzukommen, sodass ein höherer Nutzen und vor allem eine höhere Kundenakzeptanz hervorgerufen werden kann. Als Basis für eine solche Adaption dient die Kenntnis des spezifischen Fahrerverhaltens, insbesondere für intervenierende Spurführungsassistenzsysteme. Im Kontext der Anpassung müssen jedoch die grundlegenden Anforderungen an die Berechenbarkeit und die Vorhersehbarkeit von Systemfunktionen erhalten bleiben. Einen wichtigen Aspekt des spezifischen Fahrerverhaltens stellen die altersbedingten Unterschiede dar. Da der demographische Wandel der deutschen Bevölkerung eine signifikante Zunahme älterer Teilnehmer im Verkehrsgeschehen zur Folge haben wird, birgt eine altersgerechte Adaptation von Spurführungsassistenzsystemen hohe Potentiale. Im Folgenden werden die Messdatenbasis zur Analyse des Fahrerverhaltens und als Anwendungsbeispiel die altersgerechte adaptierte Spurführungsassistenz vorgestellt. 2. Datenbasis aus Fahrversuchen Am Institut für Fahrzeugtechnik wurden verschiedene systematische Versuchsreihen zur Identifikation des Fahrerverhaltens durchgeführt. Unterschieden werden hier Versuchsreihen zur Abbildung des realen Kundennutzungsverhaltens nach der 3F- Methode [Kol12] und Versuchsreihen zur Datenakquisition für die Identifikation des Fahrerzustands[HBK09]. Zur Analyse des Kundenverhaltens nach der 3F-Methode müssen alle Bereiche des Kundeneinsatzraumes statistisch erfasst werden. Hierzu wurden im Rahmen von Kundenmessungen umfangreiche Studien mit über 1,5 Millionen Messkilometern mit diversen Fahrzeugen (Abbildung 1 zeigt einen der Versuchsträger) im realen Straßenverkehr durchgeführt, um Fahrerhandlungen sowie Fahrumgebungsgrößen zu erfassen und anschließend in eine Datenbank zu integrieren. 834 Abbildung 1: Experimentalfahrzeug mit Messtechnik und Sondereinbauten Während der Versuchsfahrten zur Identifikation des Fahrerzustandes gaben die Fahrer in einheitlichen Zeitabständen eine Selbsteinschätzung zu ihrem subjektiven Leistungsempfinden ab. Als Bewertungsskala dient der Fahrerleistungsvermögen-Index (FLV- Index), der neun Bewertungsanker zwischen \?extrem wach“ bis \?Schlaf bekämpfend“ bietet. Zusätzlich wird das Fahrerverhalten mittels einer Innenraumkamera aufgezeichnet, um im Anschluss ein Expertenrating zur Fahrermüdigkeit zu ermöglichen. Tabelle 1: Eckdaten der Versuchsreihen Versuchsreihe


Full Text: PDF

Gesellschaft für Informatik, Bonn
ISBN 978-3-88579-602-2


Last changed 20.02.2014 12:58:13